[發明專利]一種輸電線路的覆冰厚度預測方法及裝置

在審

• 申請號: 202010799590.4
• 申請日: 2020-08-11
• 公開（公告）號: CN112070272A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 孫繼軍;羅健;李天琦;施秀萍;黃遠超;趙思東;許勇
• 申請（專利權）人: 南瑞集團有限公司;中電普瑞電力工程有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明涉及一種輸電線路的覆冰厚度預測方法及裝置，包括：獲取輸電線路未來時刻的氣象數據預測值；將未來時刻輸入至自回歸積分滑動平均模型，獲取自回歸積分滑動平均模型輸出的覆冰厚度初始值；將輸電線路未來時刻的氣象數據預測值輸入至支持向量回歸模型，獲取支持向量回歸模型輸出的覆冰厚度誤差值；根據所述覆冰厚度初始值和所述覆冰厚度誤差值確定未來時刻的輸電線路的覆冰厚度最終預測值；本發明技術方案通過組合預測模型，提高了輸電線路覆冰厚度預測的準確性。

技術領域

本發明涉及電力系統智能運維技術領域，具體涉及一種輸電線路的覆冰厚度預測方法及裝置。

背景技術

隨著經濟的發展和社會的進步，人們對電力系統的穩定性與安全性的要求日益強烈，保障電力設施的安全可靠，以及相關的精準預測和維護是電力系統智能運維亟需解決的關鍵問題之一。國內外的學者就輸電線路覆冰問題建立了很多覆冰預測模型，從模型的原理角度出發，大致可分為機理模型、傳統統計模型以及智能計算模型；機理模型關注的是覆冰的生成過程，利用流體力學、熱力學以及氣象學的相關理論從內部機理的角度出發對覆冰導線進行建模分析，考慮到覆冰過程復雜多變，模型在同一氣象下預測覆冰厚度時同樣存在較大的偏差，很難在實際應用中推廣；傳統統計模型則不用考慮實際覆冰的過程和物理機理，而是通過對以往數據進行統計分析進行預測；傳統的統計學模型僅僅是對數據的簡單分析處理，泛化性能并不強；智能計算模型采用人工智能算法來尋找途徑，但事實上很多的智能計算模型忽視了時間累積的效應，沒有很好地挖掘出歷史數據所蘊含的特征量，從而影響了輸電線路覆冰厚度預測的準確度。

發明內容

針對現有技術的不足，本發明的目的是提供一種輸電線路的覆冰厚度預測方法及裝置，該方法及裝置利用覆冰數據訓練自回歸積分滑動平均模型預測輸電線路覆冰厚度的線性部分，基于布谷鳥搜索算法優化的支持向量回歸算法模型去擬合預測值和真實值間的非線性誤差，組合兩個模型的預測結果實現最終的輸電線路覆冰厚度的預測。

本發明的目的是采用下述技術方案實現的：

本發明提供的一種輸電線路的覆冰厚度預測方法，其改進之處在于，包括：

獲取輸電線路未來時刻的氣象數據預測值；

將未來時刻輸入至自回歸積分滑動平均模型，獲取自回歸積分滑動平均模型輸出的覆冰厚度初始值；

將輸電線路未來時刻的氣象數據預測值輸入至支持向量回歸模型，獲取支持向量回歸模型輸出的覆冰厚度誤差值；

根據所述覆冰厚度初始值和所述覆冰厚度誤差值確定未來時刻的輸電線路的覆冰厚度最終預測值。

優選的，所述自回歸積分滑動平均模型的訓練過程包括：

利用第一歷史時段中各歷史時刻輸電線路的覆冰厚度構建第一訓練數據集；

將所述第一訓練數據集中第一歷史時段中各歷史時刻作為自回歸積分滑動平均模型的輸入數據，將所述第一訓練數據集中第一歷史時段中各歷史時刻輸電線路的覆冰厚度作為自回歸積分滑動平均模型的輸出數據，訓練自回歸積分滑動平均模型，獲取訓練好的自回歸積分滑動平均模型。

優選的，所述支持向量回歸模型的訓練過程包括：

利用第二歷史時段中各歷史時刻輸電線路的覆冰厚度誤差和第二歷史時段中各歷史時刻輸電線路對應的氣象數據構建第二訓練數據集；

將所述第二訓練數據集中第二歷史時段中各歷史時刻輸電線路對應的氣象數據作為支持向量回歸模型的輸入數據，將所述第二歷史時段中各歷史時刻輸電線路的覆冰厚度誤差作為支持向量回歸模型的輸出數據，并采用布谷鳥搜索算法優化支持向量回歸模型，訓練支持向量回歸模型，獲取訓練好的支持向量回歸模型。

進一步的，所述第二歷史時段中各歷史時刻輸電線路的覆冰厚度誤差的確定過程包括：